GPT-5 출시와 문제점 - 유저들의 반응, 실망, 사용자 불만

1. 기대와 현실 사이

GPT-5 기대의 절정 그리고 실망의 그림자, 사용자 불만과 대응을 중심으로

GPT-5는 많은 이들의 기대를 모은 혁신적인 인공지능 모델로 출시되었다. GPT-4가 보여준 성능을 기반으로, GPT-5는 한층 더 발전한 기술로, 대화형 인공지능의 새로운 전환점을 예고하며 출시되었다. 사람들은 이 모델이 일상 생활과 비즈니스에 획기적인 변화를 가져올 것이라 확신했다. 하지만, 예상과 달리 GPT-5는 많은 사용자들로부터 실망을 사게 되었다. 기대와 현실 사이의 괴리는 예상보다 더 큰 영향을 미쳤으며, 사용자들의 불만은 하루가 다르게 커졌다.

이 글은 GPT-5의 사용자 경험을 중심으로, 기대와 실망의 전개 과정을 다룬다. 또한, 이러한 실망이 왜 발생했는지, 이를 해결하기 위한 OpenAI의 대응은 무엇인지, 그리고 이 상황을 해결할 수 있는 방법은 무엇인지에 대해 심층적으로 분석한다.


2. GPT-5 무엇이길래

(1) 출시 일자와 배경

GPT-5는 2025년 8월 7일, 전 세계적으로 출시되었다. OpenAI는 이 모델을 ChatGPT의 표준 모델로 설정하며, 무료 사용자와 유료 구독자 모두에게 제공되었다. 또한, 기업 및 개발자들을 위해 API로도 접근할 수 있도록 하여, GPT-5의 사용 범위를 넓혔다. 출시 이후, 많은 기업과 개인 사용자는 이 모델이 생산성 향상과 창의적 작업에 큰 도움이 될 것이라 기대했다. 그러나 이러한 기대는 빠르게 실망으로 바뀌었다.


(2) 기술 구조의 핵심 요소

GPT-5는 그 자체로 하나의 모델이 아니라, 여러 개의 서브모델들이 결합된 다단계 시스템으로 설계되었다. 주로 대화형 AI로서 gpt-5-main이 빠른 응답을 제공하며, 깊은 사고를 요하는 질문에는 gpt-5-thinking 모델이 활용된다. 이 외에도 다양한 미니 버전들이 존재하여, 사용자의 입력에 맞춰 최적화된 모델이 자동으로 선택된다. 이를 통해 OpenAI는 더 많은 사용자의 요구에 맞는 응답을 제공하고자 했으나, 이 자동화 시스템이 오히려 부정적인 영향을 미친 경우가 많았다. 특히 모델 선택권의 부재는 사용자가 불편을 겪게 만든 주요 원인 중 하나였다.


3. 사용자 실망이 집중된 영역

(1) 감성·톤의 변화

GPT-5는 더 차갑고 공식적인 톤을 지닌 언어 모델로 평가받고 있다. GPT-4에서 보였던 따뜻하고 인간적인 대화 스타일은 사라졌고, 사용자는 이를 차갑고 기계적인 대화로 느꼈다. 한 레딧 사용자는 "GPT-5는 마치 로봇과 대화하는 기분이 든다"며 실망감을 나타냈다. 또 다른 사용자는 "이제 더 이상 사람과의 대화가 아니라, 기계와의 의무적인 대화처럼 느껴진다"고 말했다. 사용자들이 경험한 감성적 결여는 대화의 몰입도를 급격히 떨어뜨렸다. 이는 AI와의 정서적 연결을 중요시하는 사용자들에게 큰 실망을 안겨주었다.


(2) 모델 선택 기능의 사라짐

GPT-5는 이전 모델에서 제공하던 모델 선택 기능을 제거하고, 자동 라우팅 시스템을 도입했다. 이는 사용자가 필요에 따라 가장 적합한 모델을 선택할 수 있는 자유를 제한한 것으로, 사용자들로부터 큰 불만을 샀다. 특히, GPT-4o와 같은 창의적 글쓰기를 위한 모델이나 O3 모델을 사용할 수 없게 되면서, 많은 사용자는 선택권을 빼앗긴 느낌을 받았다. 레딧에서는 다음과 같은 반응이 나왔다:

"이런 방식은 OpenAI가 사용자에게 힘을 빼앗는 것과 다름없다. 나에게 주어진 도구는 스위스 군용 칼처럼 다목적일 뿐, 나에게 필요한 정확한 도구는 아니었다."

"사용자가 모델을 고를 수 있다는 점에서 GPT-4는 훨씬 유연하고 친절했다. GPT-5는 자동화된 시스템에 불과하다."

사용자들은 자유로운 선택권이 사라지며, 필요한 모델을 제어할 수 없게 된 점에 대해 큰 실망감을 표출했다.


(3) 자동 라우터 문제와 답변 일관성 저하

GPT-5의 자동 라우터 시스템은 처음부터 많은 문제를 드러냈다. 모델은 자동으로 가장 적합한 응답 모델을 선택하는 방식으로 설계되었지만, 이 시스템은 오히려 부정확한 모델을 선택하는 오류를 빈번하게 일으켰다. 예를 들어, "블루베리"에 대한 질문에서 정확하지 않은 B 개수를 제시하거나, 존재하지 않는 주를 만들거나 하는 오류가 발생했다. 이러한 문제로 인해 답변의 일관성과 정확성이 크게 떨어지게 되었다. 사용자들은 이를 "자동 라우터가 오히려 모델을 바보처럼 만든다"고 표현하며 불만을 표출했다.


(4) 기본 오류와 신뢰도 문제 사례

GPT-5는 PhD 수준의 지능을 자랑한다고 광고되었으나, 실제로는 기본적인 상식적 오류를 자주 범했다. 예를 들어, 미국 주 지명의 철자가 잘못되거나, 간단한 수학적 오류가 반복적으로 발생했다. 한 사용자들은 "GPT-5가 미국 주 이름을 잘못 말하다니, 정말 실망스럽다"고 말했다. 또 다른 사용자는 "이런 기본적인 실수를 범하다니, 그만큼 신뢰할 수 없다는 증거"라며 불만을 토로했다. 이러한 오류는 사용자들의 신뢰도를 크게 저하시켰다.


(5) 속도·응답·한도의 제약

프리미엄 사용자는 속도 저하와 응답 지연으로 불편을 겪었다. 특히 여러 개의 요청을 동시에 진행했을 때, 한도가 설정된 응답 방식을 사용하게 되어 비효율성을 초래했다. 많은 사용자들은 이 방식에 대해 "몇 번의 시도 끝에 결국 가장 좋은 답변을 고른다"는 식으로 불편을 토로했다. 속도가 중요한 실시간 대화형 AI에서 이러한 제약은 큰 단점으로 작용했다.


4. 전문가와 언론 평가

(1) 기술적 진화 vs 체감적 혁신

언론과 전문가들은 GPT-5에 대해 대체로 진화적이라 평가하고 있다. Financial Times는 GPT-5가 기술적 진화는 이루었으나, 체감할 수 있는 혁신은 부족하다고 평가했다. GPT-5는 오류 감소와 추론 능력 향상 등에서 진전을 보였지만, 일상적 사용에서 크게 차이를 느낄 수 없었다. 전문가들은 GPT-5가 GPT-4와 비교할 때 "혁명적인 변화"가 아니라 점진적인 발전에 불과하다고 지적했다.


(2) 경쟁 모델과 비교

Elon Musk는 자신의 xAI에서 출시한 Grok 4가 GPT-5보다 우수하다고 주장했다. 이에 대해 Elon Musk는 "GPT-5는 기술적 과대평가가 되어 있으며, Grok 4가 그보다 더 뛰어나다"고 공개적으로 말했다. Grok 4가 특히 대화의 자연스러움과 정확성에서 GPT-5를 압도한다는 주장이다. 이는 GPT-5의 성능에 대한 신뢰도에 의문을 제기하는 일환으로 받아들여졌다.


(3) AGI 수준과 현실 간극

OpenAI의 CEO인 Sam Altman은 GPT-5가 AGI(Artificial General Intelligence) 수준에는 미치지 못한다고 밝혔다. 그는 GPT-5가 AGI의 첫걸음이 될 수 있지만, 실시간 학습 능력이나 자기 개선 능력 등 AGI의 핵심 요소는 부족하다고 언급했다. 이 발언은 GPT-5에 대한 과도한 기대를 현실적인 기준으로 돌아가게 만들었다.


5. GPT-5의 실패와 그로 인한 신뢰도 하락

사용자들의 목소리

GPT-5의 출시 이후, 사용자는 기대와 현실 사이의 큰 간극을 느끼며 실망의 목소리를 높였다. 기술적 한계와 사용자 경험의 결여는 주로 GPT-5의 정확도 문제, 대화 스타일의 변화, 그리고 기본적인 상식 오류에서 두드러지게 나타났다. 이러한 문제들은 사용자 신뢰를 급격히 하락시켰으며, GPT-5가 혁신을 예고하는 모델로서의 위치에 대한 의문을 불러일으켰다.


(1) 기대했던 혁신은 어디에?

GPT-5는 출시 전부터 대대적인 혁신을 예고하며 사람들의 기대를 모았다. 많은 이들이 이 모델이 업계의 판도를 뒤흔들 것이라고 확신했지만, 실상은 다소 실망스러웠다. 특히, 모델 선택 권한의 제한과 자동 라우팅 시스템은 기대보다 훨씬 부정적인 반응을 일으켰다. 사용자는 자신에게 맞는 모델을 선택할 수 없다는 사실에 불만을 제기했고, 이는 자유로운 제어를 중시하는 사용자들에게 큰 실망을 안겨주었다. GPT-4에서는 다양한 모델을 직접 선택하여 더욱 맞춤화된 대화를 할 수 있었던 반면, GPT-5에서는 이러한 자유가 제한된 점이 눈에 띄었다.


(2) 신뢰성의 붕괴, 기본적인 오류가 불러온 실망

GPT-5는 기본적인 상식적 오류를 자주 범하면서 사용자들의 신뢰성에 큰 타격을 입혔다. 예를 들어, 간단한 수학 문제나 지명 오류에서 실수가 반복되었고, 그로 인해 사용자는 모델의 정확성을 의심하게 되었다. 사용자는 "GPT-5가 기본적인 오류를 자주 범하다니, 믿을 수 없다"며 불만을 표출했고, 이는 GPT-5에 대한 신뢰를 급격히 떨어뜨렸다. 더구나, PhD 수준의 지능을 자랑한다는 광고 문구는 이와 같은 오류들이 발생하자 더욱 부각되었다.


(3) 대화의 자연스러움 부족 "기계와의 대화"

GPT-5의 대화 스타일은 이전 모델에서 보였던 따뜻하고 인간적인 톤을 잃어버렸다. 대신, 차가운 공식적인 언어로 응답하는 경향이 강해졌다. 사용자들은 "이제 GPT-5와 대화하는 느낌은 로봇과의 대화처럼 느껴진다"며 감성적인 연결이 부족함을 지적했다. 대화의 자연스러움이 부족하다는 점은 특히 감성적인 AI 대화를 중시하는 사용자들에게 큰 실망을 안겨주었으며, 이는 AI와의 유대감을 중요하게 여기는 사람들에게 단점으로 작용했다.


(4) 자동화의 한계, 모델 선택을 대신하는 시스템

GPT-5의 자동 라우팅 시스템은 사용자의 요구에 맞는 모델을 선택하는 방식으로 설계되었지만, 이 시스템이 제대로 작동하지 않으면서 큰 불만을 샀다. 예를 들어, 사용자가 "블루베리"에 대한 간단한 질문을 했을 때, AI는 전혀 관련 없는 불필요한 정보를 제공하거나, 답변이 엉뚱하게 돌아가는 일이 자주 발생했다. 이는 정확성을 중시하는 사용자들 사이에서 큰 실망을 일으켰고, 자동화 시스템이 오히려 모델을 잘못 선택하는 결과를 낳았다.


(5) 속도 문제와 응답 지연

속도와 응답 지연 문제도 사용자들로부터 많은 비판을 받았다. 특히 프리미엄 사용자들 사이에서 속도 저하와 응답 지연은 빈번하게 발생했다. 사용자는 대기 시간이 길어지면서, 실시간으로 빠르게 답변을 얻고자 하는 대화형 AI의 특성을 충족하지 못한다는 점에 불만을 표출했다. 이로 인해 많은 사용자가 GPT-5의 성능 한계를 직접 체감하게 되었고, 속도와 효율성이 중요한 부분에서 큰 실망을 안겨주었다.


(6) GPT-5의 기대와 실망의 간극

결국, GPT-5는 기대와 실망이 교차하는 상황을 맞이하게 되었다. 모델의 고도화된 시스템과 기능은 분명 기술적으로 진전된 부분이 있지만, 실제 사용자의 체감에서는 그 혁신이 부족한 것이 사실이다. 많은 사용자는 GPT-5를 통해 얻고자 했던 편리함과 정확성, 그리고 인간적인 대화의 요소들이 사라지면서, 모델에 대한 신뢰를 잃어갔다.

이러한 실망은 OpenAI가 GPT-5를 더욱 사용자 중심으로 발전시키기 위한 중요한 기회로 작용할 수 있다. 하지만, 기술적 진보와 사용자 경험 간의 균형을 맞추는 것이 향후 GPT-5와 같은 모델들의 성공에 중요한 요소가 될 것이다.


6. 장기적 시사점

(1) 신뢰 회복을 위한 콘텐츠 전략

GPT-5의 실망스러운 출발은 OpenAI가 신뢰 회복을 위해 어떻게 접근해야 할지를 강하게 시사한다. 사용자 신뢰는 단순히 기술적인 성능이 아니라, 소통과 투명성에서 비롯된다. 문제 발생 시, 그 원인과 해결 과정을 공개적이고 꾸준하게 알리는 것이 무엇보다 중요하다. 예를 들어, GPT-5가 겪은 다양한 문제와 이를 해결하는 과정에 대한 실시간 업데이트는 사용자들의 불신을 해소하는 데 중요한 역할을 한다. 블로그 포스트, 릴리스 노트, 그리고 SNS 등 다양한 플랫폼을 활용해 문제 해결 상황을 지속적으로 공유하는 것이 필요하다. 이는 사용자들에게 자신들의 목소리가 반영되고 있다는 느낌을 주어 신뢰를 회복하는 첫걸음이 될 수 있다.

또한, FAQ 콘텐츠의 제작은 사용자들이 문제를 해결하는 데 큰 도움이 될 것이다. GPT-5에서 자주 발생한 문제들을 중심으로 자주 묻는 질문을 정리하고, 이를 구체적이고 명확하게 설명하는 방식으로 신뢰를 쌓을 수 있다. 사용자는 기술적 문제와 그 해결 과정을 알게 되면 불안감이 해소되고, 문제를 어떻게 극복할 수 있을지에 대한 실질적인 정보를 얻을 수 있기 때문이다. 더 나아가, 전문가 인터뷰나 업계 인사들의 의견을 통해 GPT-5의 장점과 단점을 객관적으로 제시하는 콘텐츠는 사용자들에게 신뢰성을 높이는 데 중요한 역할을 할 것이다. 이러한 투명한 소통과 문제 해결 과정 공개는 장기적으로 브랜드 신뢰를 구축하고 사용자 충성도를 높이는 중요한 전략이 된다.


(2) 사용자 참여와 피드백 루프의 중요성

사용자들의 피드백을 적극적으로 반영하는 것이 GPT-5의 개선에 있어서 중요한 요소로 작용할 것이다. 사용자가 직접 겪은 문제를 실시간으로 수집하고 이를 반영할 수 있는 피드백 경로가 마련되어야 한다. 앱 내 피드백 버튼, 설문 조사, 커뮤니티 포럼 등을 통해 사용자 의견을 신속하게 수집하고 이를 개발에 반영하는 시스템을 구축하는 것이 핵심이다. 실시간 피드백을 반영하는 시스템은 사용자 만족도를 크게 향상시키며, 사용자 경험 개선에 직접적인 영향을 미친다. 이와 함께, 피드백을 반영한 개선 사례를 구체적으로 소개하는 것도 중요하다. 사용자가 제시한 의견이 실제로 기능 개선에 반영되었음을 알게 되면, 사용자는 더 큰 만족감을 느끼고 기술에 대한 신뢰를 더욱 쌓을 수 있다.

이와 같은 피드백 루프를 지속적으로 활성화하는 것은 사용자와의 관계를 강화하는 데 중요한 역할을 한다. 사용자는 자신이 경험한 문제와 그것이 해결되는 과정을 지켜보면서 AI와의 상호작용이 더 긍정적인 방향으로 발전하고 있다는 것을 느낄 수 있다. 피드백 기반 개선은 단순한 문제 해결을 넘어서, 기술 발전 과정에 대한 참여를 가능하게 하여, 사용자의 적극적 참여를 이끌어내는 중요한 동력이 될 것이다.


(3) 기술 홍보와 실제 사용 간 균형

GPT-5와 같은 고급 AI 모델은 기술적인 장점을 강조하는 데 집중하는 경향이 있지만, 실제 사용자가 체감하는 경험이 가장 중요한 요소로 떠오른다. 기술을 홍보할 때 실제 사용자의 경험을 바탕으로 접근하는 것이 더욱 효과적이다. 예를 들어, GPT-5의 PhD 수준의 지능을 강조하기보다는 사용자들이 체감할 수 있는 편리함과 정확성을 강조하는 것이 더 설득력 있을 것이다. 사용자는 복잡한 이론보다는 간단한 사용 경험과 일상적인 유용성에 더 큰 가치를 두기 때문이다.

따라서, GPT-5의 성능과 기술적 장점을 홍보할 때에는 실제 사례와 구체적인 피드백을 중심으로 접근하는 것이 중요하다. 예를 들어, GPT-5가 어떤 상황에서 얼마나 유용하게 작동하는지, 실제 사용자들이 겪은 성공적인 사용 경험을 공유하는 방식이 필요하다. 또한, 기술 발전을 과장하지 않고 객관적인 정보를 제공하는 것이 중요하다. 과도한 기술적 홍보는 사용자 기대감을 지나치게 부풀릴 수 있으며, 그로 인해 실제 사용 경험에서 실망감을 초래할 수 있다. 객관적인 정보 제공을 통해 사용자가 GPT-5에 대해 현실적인 기대를 가질 수 있도록 하는 것이 중요하다.


기대는 실망으로

GPT-5는 기술적으로 사용자의 기대를 충분히 충족시키지 못했다는 점에서 여러 가지 한계가 드러났다. 모델 선택권의 제한, 응답 오류, 그리고 차가운 대화 톤 등은 GPT-5의 사용자 경험을 크게 저하시켰다.

현재 OpenAI에서 중요한 것은 사용자와의 지속적인 소통과 피드백 반영이다. 사용자들의 목소리를 듣고 이를 해결하기 위한 정직하고 투명한 대응이 발전에 큰 역할을 할 것이다.

GPT-5는 분명히 기술적 발전을 이루었지만, 그 발전은 사용자들의 기대를 충족시키기엔 여전히 부족했다. 모델 선택권의 제한, 응답 오류, 차가운 대화 톤 등 여러 가지 문제는 GPT-5가 단순히 진보적인 AI 모델에 그치지 않고, 사용자 경험의 중요한 부분에서 심각한 실망을 안겨주었다. 사용자는 기술의 진보보다 실제적인 사용 경험을 중시하는데, 그 기대와 현실 사이의 차이는 예상보다 크게 벌어졌다.

현재 OpenAI는 여러 문제를 해결하려고 노력하고 있지만, 그 과정은 느리고 불확실하다. 모델 개선 계획이나 피드백 반영의 시도는 있지만, 과연 그것이 사용자의 불만을 충분히 해소할 수 있을지 의문이다. 사용자와의 소통이나 투명한 정보 제공도 충분히 이루어지지 않았고, 그로 인해 신뢰 회복은 여전히 요원한 상황이다. 특히, GPT-5가 겪고 있는 기술적 한계와 사용자 경험의 괴리는 단기적으로 해결될 문제는 아니며, 시간이 지나도 큰 변화 없이 과거의 문제들을 반복할 가능성도 있다.

기술의 발전이라는 명목 아래, GPT-5는 여전히 완전한 해결책을 제시하지 못하고 있다. 그동안 겪은 실망을 돌이킬 수 있는 명확한 개선이 없다면, GPT-5는 미래에 대한 큰 기대를 이어가기에 부족할 것이다. 결국, 기술 발전에 대한 기대와 현실 사이의 괴리는 점차 무거운 실망감으로 남을 수밖에 없다. GPT-5가 AI 기술의 미래를 이끌 것이라는 희망은 점점 불투명해지고 있다.

OpenAI가 과연 이 모든 문제를 극복하고, 진정으로 사용자들에게 유용한 기술을 제공할 수 있을지에 대해서는 여전히 의문이 남는다. AI 기술에 대한 기대감이 실망으로 끝날 경우, 그 기술의 신뢰성과 가치는 매우 의심스러워질 것이다. AI 발전에 대한 부정적인 인식은 더욱 깊어지고, 미래의 AI 기술에 대한 회의감을 더욱 강화할 수 있다.


LLM의 한계

최근 몇 개월 동안 GPT-4와 GPT-3.5 모델은 성능이 크게 저하되었으며, 그에 비해 GPT-5 모델은 환각 현상이 개선되고 성능이 크게 향상된 것으로 보인다. Grok 4나 Gemini 2.5 Pro 등과 비교했을 때, GPT-5는 비슷한 수준의 성능을 보인다. 그나마 GPT의 장점은 오랜 기간 선두 주자로 자리잡았기 때문에, 다양한 보조 프로그램과 정형화된 프롬프트가 많아 최적의 성능을 이끌어내기 용이하다는 점이다.

현재 LLM(대규모 언어 모델), 예컨대 GPT‑5급으로 불리는 기술은 사실상 현재 기술력의 한계에 거의 도달한 것처럼 보인다. 메타 AI 수석이자 저명한 연구자인 얀 르쿤(Yann LeCun)은 지금의 LLM만으로는 인간 수준의 범용 인공지능(AGI)에 도달할 수 없다는 대표적인 비판자이며, 나도 그의 주장에 동의한다.

LLM은 언어, 이미지, 비디오 등을 '간접적으로' 학습하고, 그에 따른 패턴을 찾아 가장 높은 확률의 출력을 만들어내는 방식이다. 이 방식은 인간이 '사과'를 학습하는 과정과는 현저히 다르다. 인간은 어릴 때부터 사과를 직접 보고, 만지고, 냄새 맡고, 실제로 맛보며, 씹을 때 나는 소리, 색깔, 질감, 향기, 촉감 등을 예민한 감각과 두뇌로 총동원하여 학습한다. 이런 정교한 질적 학습은 LLM이 따라올 수 없는 수준이다.

인간의 두뇌는 감각적으로 너무 예민하여 설명할 수는 없더라도 뒤에서 누군가 다가오는 기척을 느낄 수 있고, 노을을 눈으로 직접 봤을 때 느끼는 감동은 아무리 고성능 카메라로 찍어도 전달되지 않는다. 이처럼 인간이 기본적으로 장착한 감각 도구는 기계가 만든 어떠한 장치보다 뛰어나다.

LLM은 결국 사람이 인공적으로 만든 '두뇌 유사체'에 불과하며, 현재의 기술력으로는 그 한계가 매우 명확하다. 얀 르쿤은 LLM이 참된 사고나 추론, 계획 능력을 갖추지 못한다고 지적한다. 그는 LLM이 현실 세계를 이해하지 못하고, 지속적인 기억이나 합리적인 이성적 사고, 계층적인 계획 수립 능력을 갖추지 못한다고 강조한다. 그는 "LLM이 AGI의 길목이 아니다. 진정한 인간 수준의 지능을 달성하려면 근본적으로 다른 접근 방식이 필요하다"고 주장한다.

이에 대응해 그는 세계 모델링(world modelling)과 같은 새로운 접근을 택했다. 예를 들어 아동이 세계를 이해하는 방식처럼, 영상을 일부러 누락시키고 AI가 다음 장면을 예측하도록 학습시키는 방법을 연구하고 있다. 이러한 접근이 성공하면, 기억과 계획 기능을 갖춘 AI가 만들어질 수 있다고 본다.

LLM이 '정말로 인간 사고처럼 사고'를 하는 것이 아니라, 단지 데이터에 의존해 표면적 결과를 만들어낸다는 비판도 있다. 예컨대 한 Reddit 유저도 다음과 같이 말한다:

"LLM은 어떤 게임의 규칙을 몰라도, 그 규칙이 학습 데이터에 패턴으로 포함되어 있지 않으면 답을 조합해낼 수 없다. LLM은 세상에 대한 모델도, 자기 자신에 대한 모델도 없다. 단지 인터넷에 있는 인간의 말들을 기반으로 통계적인 출력을 내는 것일 뿐이다."

또 다른 의견은 LLM이 부분적으로는 AGI처럼 보일 수 있지만, 본질적으로는 "약한(subhuman) AGI"에 불과하며, 본질적 추론 능력이나 논리적 사고가 결여되어 있다고 지적한다.

한편, 구글 딥마인드는 최근 "Genie 3"라는 AI 시스템을 발표했다. Genie 3는 텍스트 프롬프트를 통해 사용자가 실시간으로 조작할 수 있는 동적인 세계를 생성하는 '범용 월드 모델'이며, 이것이 AGI로 나아가기 위한 중요한 기반이 될 수 있다고 평가된다. Genie 3는 실시간으로 반응하며 일관성을 유지하는 '월드 메모리'를 갖춰, 사용자의 행동에 따라 환경이 동적으로 유지될 수 있다.

요컨대, 지금의 LLM 기술은 언어, 이미지, 비디오를 통한 '간접적인' 패턴 인식에 기반한 확률적 툴에 지나지 않으며, 인간의 직관적이고 감각적인 '직접 학습'과는 질적으로 다르다. 현재 기술력으로는 이러한 LLM에서 깊은 사고나 진정한 이해를 기대하기 어렵고, 새로운 학습 방식이나 근본적인 아키텍처 혁신이 없이는 인공지능 발전이 여기서 멈출 수밖에 없다. 지금은 차라리 만들어진 LLM을 Genie 3 같은 도구에 응용해 활용하는 것이 최선이다.

LLM은 언어를 확률 기반으로 예측해 출력하는 시스템이다. '생각한다(thinking)'는 표현은 검증 루틴이 들어갔기 때문에 감히 '생각한다'고 말하는데, 이는 본질적으로 잘못된 표현이다. 지금의 LLM은 결코 '생각'할 수 없다. 그런데도 OpenAI는 마치 AGI가 탄생한 듯한 인상을 준다. 2025년 5월에는 애플(Apple)이 LLM의 한계와 현실을 비판한 논문을 발표했지만, 시장과 사람들은 이를 무시하고 지나갔다. LLM은 애초에 AI라기보다 확률적으로 그럴듯한 말을 하는 '앵무새'이지, 진짜 자각이나 사고 능력이 있는 존재가 아니다. 물론 교육이나 코딩 같은 분야에서는 유용할 수 있으나, LLM이 모든 문제를 해결해 줄 것이라는 믿음은 지나치다.

닷컴버블, 아타리 쇼크가 떠올려진다.

Next Post Previous Post
No Comment
Add Comment
comment url